基于膨胀顶点的路径拉伸策略改进BIT算法(DS-BIT)提升移动机器人路径规划效率与质量

针对移动机器人路径规划中存在的路径冗余点多、收敛速度慢等问题，广东技术师范大学自动化学院团队提出了一种基于膨胀顶点的路径拉伸BIT算法(DS-BIT)。该算法将膨胀顶点路径拉伸策略融入BIT框架，通过A算法在膨胀顶点间规划局部路径，有效减少路径冗余点并降低路径成本。实验表明，DS-BIT*在简单和复杂环境中均能显著提升路径质量和收敛速度，为机器人自主导航提供了新思路。

　　

移动机器人在工业物流、服务机器人等领域的应用日益广泛，其自主导航能力依赖于高效的路径规划技术。然而，现有算法如RRT、Informed RRT和BIT*等仍面临路径成本高、冗余点多、收敛速度慢等挑战。特别是在复杂环境中，这些算法的性能往往难以满足实际应用需求。如何平衡路径最优性与计算效率，成为制约移动机器人性能提升的关键瓶颈。

广东技术师范大学自动化学院的研究人员在《Results in Engineering》发表研究，提出了一种基于膨胀顶点的路径拉伸BIT算法(DS-BIT)。该研究创新性地将膨胀顶点策略与批处理采样技术相结合，通过改进路径质量加速搜索区域收缩，并采用双向优化策略进一步降低最终路径成本。

研究人员主要采用三种关键技术：1)基于膨胀顶点的路径拉伸算法，通过均匀膨胀矩形障碍物顶点、等距膨胀三角形边和同心圆膨胀圆形障碍物生成安全路径点；2)改进的BIT*框架，整合批处理采样和启发式搜索；3)双向路径优化策略，在算法最后阶段对路径进行正反向两次优化。实验设置了简单(Map1、Map2)和复杂(Map3、Map4)两种环境，各进行100次重复验证。

研究结果显示，在简单环境中，DS-BIT的平均初始路径成本较RRT降低25.68%，运行时间缩短87.25%，最终路径成本优化17.41%。在复杂环境中，DS-BIT同样表现出色：初始路径成本降低19.02%，计算时间减少68.74%，最终路径成本优化20.54%。特别是在Map4测试中，DS-BIT的最终路径成本(168.3901)显著低于RRT(224.5968)和BIT(184.8611)。

通过理论分析，DS-BIT的时间复杂度为O(Bn′log²N′+M(L+Kmlogm))，空间复杂度为O(Bn′logN′)，均优于传统BIT算法。这得益于路径拉伸策略有效减少了搜索空间中的冗余节点，提高了算法整体效率。

该研究提出的DS-BIT算法通过创新的路径优化机制，显著提升了移动机器人路径规划的性能。其核心贡献在于：1)设计了基于膨胀顶点的路径拉伸方法，确保安全性的同时优化路径质量；2)改进了BIT的搜索策略，加速收敛过程；3)引入双向优化，进一步降低最终路径成本。这些创新为高维空间路径规划、无人机导航等应用提供了重要参考，推动了自主移动机器人技术的发展。未来研究可探索该算法在三维环境中的适应性，以及针对狭窄空间的采样策略优化。